Contact me｜ Data Analyst Training Program @ DSP

Before we start…Code Demo 1

Settings

# Settings
library(ggplot2); library(reshape2); library(psych); library(dplyr)

## 
## Attaching package: 'psych'
## 
## The following object is masked from 'package:ggplot2':
## 
##     %+%
## 
## 
## Attaching package: 'dplyr'
## 
## The following object is masked from 'package:stats':
## 
##     filter
## 
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

# Get Working Directory
getwd()

## [1] "/Users/Rafe/Dropbox/~OnGoing/20150131 A1"

# Windows
# setwd("C:/Users/ABACUS/Desktop/Dropbox/~OnGoing/20150131 A1")
# MAC
setwd("~Rafe/Dropbox/~OnGoing/20150131 A1")

# List files
# list.files()

# Read
# Windows
# bike <- read.csv(file="ubike-big5.csv", header = TRUE)

# MAC
bike <- read.csv(file="ubike-utf8.csv", header = TRUE)

bikeori <- bike
bike <- bikeori

Tips

HELP

help()　是很棒的學習資源
? 　　　一個問號讓我們更謙卑
??　　　兩個問號讓我們探索世界
apropos()　指令部分關鍵字搜尋

MORE TIPS

# 筆記法
Run current line/selection
- Ctrl+Enter
- Command+Enter
R Reference card
R Style guide

Peak at data

Dataset

# adjust console output width
options(width=100)

# Dimensions
dim(bike)

## [1] 202014     16

names(bike)

##  [1] "日期"         "時間"         "場站代號"     "場站區域"     "場站名稱"     "經度"        
##  [7] "緯度"         "總停車格"     "平均車輛數"   "最大車輛數"   "最小車輛數"   "車輛數標準差"
## [13] "平均空位數"   "最大空位數"   "最小空位數"   "空位數標準差"

# Glance
head(bike)

##         日期 時間 場站代號 場站區域                  場站名稱     經度     緯度 總停車格 平均車輛數
## 1 2014-12-08   15        2   大安區 捷運國父紀念館站(2號出口) 25.04100 121.5569       48     24.000
## 2 2014-12-08   15        3   信義區                台北市政府 25.03780 121.5652       40     10.333
## 3 2014-12-08   15        4   信義區                  市民廣場 25.03604 121.5623       60     39.333
## 4 2014-12-08   15        5   信義區                  興雅國中 25.03656 121.5687       60     34.167
## 5 2014-12-08   15        6   信義區                  世貿二館 25.03474 121.5657       80     31.333
## 6 2014-12-08   15        7   信義區         信義廣場(台北101) 25.03304 121.5656       80     23.571
##   最大車輛數 最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差
## 1         27         23        1.549     22.000         23         19            2
## 2         13          8        1.862     29.667         32         27            2
## 3         40         38        1.033     20.667         22         20            1
## 4         35         33        0.753     25.833         27         25            1
## 5         32         31        0.516     47.667         48         47            1
## 6         25         23        0.787     56.429         57         55            1

tail(bike, 10)

##              日期 時間 場站代號 場站區域               場站名稱     經度     緯度 總停車格
## 202005 2015-01-12   12     1060   汐止區       汐止區綜合運動場 25.06624 121.6591       44
## 202006 2015-01-12   12     1061   汐止區               汐止公園 25.06768 121.6598       52
## 202007 2015-01-12   12     1064   新店區               中正國小 24.97150 121.5363       32
## 202008 2015-01-12   12     1065   三重區       開元市民活動中心 25.06607 121.5036       42
## 202009 2015-01-12   12     1066   汐止區           雍和科學園區 25.05808 121.6260       44
## 202010 2015-01-12   12     1068   三重區               二重國中 25.06596 121.4805       70
## 202011 2015-01-12   12     1070   三重區 新北市立圖書館三重分館 25.06610 121.4955       50
## 202012 2015-01-12   12     1071   三重區               三張公園 25.07051 121.4909       44
## 202013 2015-01-12   12       70   信義區     捷運台北101/世貿站 25.03275 121.5616       52
## 202014 2015-01-12   12      121   中山區           龍江南京路口 25.05298 121.5406       66
##        平均車輛數 最大車輛數 最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差
## 202005     26.086         27         26        0.284     16.914         17         16            0
## 202006     18.686         23         17        1.811     32.314         34         28            2
## 202007     15.429         18         14        1.220     15.571         17         13            1
## 202008     15.457         17         14        0.657     26.543         28         25            1
## 202009     19.000         19         19        0.000     25.000         25         25            0
## 202010     32.000         32         32        0.000     37.000         37         37            0
## 202011     21.229         22         20        0.646     28.771         30         28            1
## 202012     14.057         15         13        0.684     29.943         31         29            1
## 202013      6.353         16          0        4.760     44.206         50         35            5
## 202014     27.419         31         25        1.608     38.581         41         35            2

tail(bike, 5, 10)

##              日期 時間 場站代號 場站區域               場站名稱     經度     緯度 總停車格
## 202010 2015-01-12   12     1068   三重區               二重國中 25.06596 121.4805       70
## 202011 2015-01-12   12     1070   三重區 新北市立圖書館三重分館 25.06610 121.4955       50
## 202012 2015-01-12   12     1071   三重區               三張公園 25.07051 121.4909       44
## 202013 2015-01-12   12       70   信義區     捷運台北101/世貿站 25.03275 121.5616       52
## 202014 2015-01-12   12      121   中山區           龍江南京路口 25.05298 121.5406       66
##        平均車輛數 最大車輛數 最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差
## 202010     32.000         32         32        0.000     37.000         37         37            0
## 202011     21.229         22         20        0.646     28.771         30         28            1
## 202012     14.057         15         13        0.684     29.943         31         29            1
## 202013      6.353         16          0        4.760     44.206         50         35            5
## 202014     27.419         31         25        1.608     38.581         41         35            2

head(bike$日期)

## [1] 2014-12-08 2014-12-08 2014-12-08 2014-12-08 2014-12-08 2014-12-08
## 37 Levels: 0000-00-00 2014-12-08 2014-12-09 2014-12-10 2014-12-11 2014-12-12 ... 2015-01-12

#
str(bike)

## 'data.frame':    202014 obs. of  16 variables:
##  $ 日期        : Factor w/ 37 levels "0000-00-00","2014-12-08",..: 2 2 2 2 2 2 2 2 2 2 ...
##  $ 時間        : int  15 15 15 15 15 15 15 15 15 15 ...
##  $ 場站代號    : int  2 3 4 5 6 7 8 9 10 11 ...
##  $ 場站區域    : Factor w/ 20 levels "","北投區","大安區",..: 3 16 16 16 16 16 16 16 16 16 ...
##  $ 場站名稱    : Factor w/ 258 levels "","八德市場",..: 65 182 172 230 169 223 170 176 181 162 ...
##  $ 經度        : num  25 25 25 25 25 ...
##  $ 緯度        : num  122 122 122 122 122 ...
##  $ 總停車格    : int  48 40 60 60 80 80 60 40 54 66 ...
##  $ 平均車輛數  : num  24 10.3 39.3 34.2 31.3 ...
##  $ 最大車輛數  : int  27 13 40 35 32 25 20 24 17 46 ...
##  $ 最小車輛數  : int  23 8 38 33 31 23 19 23 14 42 ...
##  $ 車輛數標準差: num  1.549 1.862 1.033 0.753 0.516 ...
##  $ 平均空位數  : num  22 29.7 20.7 25.8 47.7 ...
##  $ 最大空位數  : int  23 32 22 27 48 57 41 17 40 23 ...
##  $ 最小空位數  : int  19 27 20 25 47 55 40 16 37 19 ...
##  $ 空位數標準差: int  2 2 1 1 1 1 1 1 2 1 ...

Data wrangling: conversion data types

# ETL Start
# Time conversion
class(bike$日期)

## [1] "factor"

bike$日期 <- as.Date(bike$日期)
str(bike$日期)

##  Date[1:202014], format: "2014-12-08" "2014-12-08" "2014-12-08" "2014-12-08" "2014-12-08" "2014-12-08" ...

# Create new variable
# ?strftime
# bike$星期 <- strftime(bike[, "日期"], format="%u")
# bike$已借 <- bike$總停車格 - bike$最大空位數
# bike$無車機率 <- round(bike$最大空位數 / bike$總停車格, digit = 3)
# bike$有車機率 <- 1 - bike$無車機率

bike <- mutate(bike, 
               星期 = strftime(日期, format="%u"),
               已借 = 總停車格 - 最大空位數,
               無車機率 = round(最大空位數 / 總停車格, digit = 3),
               有車機率 = 1 - 無車機率               
#                有車機率 = round(最大空位數 / 總停車格, digit = 3),
#                無車機率 = 1 - 有車機率
)

head(bike)

##         日期 時間 場站代號 場站區域                  場站名稱     經度     緯度 總停車格 平均車輛數
## 1 2014-12-08   15        2   大安區 捷運國父紀念館站(2號出口) 25.04100 121.5569       48     24.000
## 2 2014-12-08   15        3   信義區                台北市政府 25.03780 121.5652       40     10.333
## 3 2014-12-08   15        4   信義區                  市民廣場 25.03604 121.5623       60     39.333
## 4 2014-12-08   15        5   信義區                  興雅國中 25.03656 121.5687       60     34.167
## 5 2014-12-08   15        6   信義區                  世貿二館 25.03474 121.5657       80     31.333
## 6 2014-12-08   15        7   信義區         信義廣場(台北101) 25.03304 121.5656       80     23.571
##   最大車輛數 最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差 星期 已借
## 1         27         23        1.549     22.000         23         19            2    1   25
## 2         13          8        1.862     29.667         32         27            2    1    8
## 3         40         38        1.033     20.667         22         20            1    1   38
## 4         35         33        0.753     25.833         27         25            1    1   33
## 5         32         31        0.516     47.667         48         47            1    1   32
## 6         25         23        0.787     56.429         57         55            1    1   23
##   無車機率 有車機率
## 1    0.479    0.521
## 2    0.800    0.200
## 3    0.367    0.633
## 4    0.450    0.550
## 5    0.600    0.400
## 6    0.712    0.288

# Change the order of levels of a factor
# ?levels
bike$時間 <- as.factor(bike$時間)
levels(bike$時間)

##  [1] "0"  "1"  "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"  "10" "11" "12" "13" "14" "15" "16" "17" "18"
## [20] "19" "20" "21" "22" "23"

bike$星期 <- as.factor(bike$星期)
levels(bike$星期)

## [1] "1" "2" "3" "4" "5" "6" "7"

levels(bike$星期) <- c(7,6,5,4,3,2,1)
str(bike$星期)

##  Factor w/ 7 levels "7","6","5","4",..: 1 1 1 1 1 1 1 1 1 1 ...

levels(bike$星期) <- c(1,2,3,4,5,6,7)

# Number of levels
length(levels(bike$場站名稱))

## [1] 258

YOUR 5-min exercises HERE

資料型態轉換練習
日期轉換：month, day, weekday
還是有幾個地方很奇怪…

# bike$場站代號


# bike$日期 %Y, %m, %d

Data wrangling: deal with abnormal data

# Reference for exercise
# bike$場站代號
# bike$場站代號 <- as.factor(bike$場站代號)
# levels(bike$場站代號)

# bike$日期 %Y, %m, %d
# bike <- mutate(bike, 
#                年 = strftime(日期, format="%Y"),
#                月 = strftime(日期, format="%m"),
#                日 = strftime(日期, format="%d")
# )
# head(bike)

# Abnormals
# Descriptive
summary(bike)

##       日期                 時間           場站代號         場站區域          場站名稱     
##  Min.   :2014-12-08   11     :  8513   Min.   :   1.0   大安區 : 23997   福華商場:   833  
##  1st Qu.:2014-12-17   0      :  8512   1st Qu.:  62.0   信義區 : 19129   裕隆公園:   833  
##  Median :2014-12-26   1      :  8512   Median : 123.0   中山區 : 16297   八德市場:   832  
##  Mean   :2014-12-26   9      :  8512   Mean   : 295.8   中正區 : 15295   白雲國小:   832  
##  3rd Qu.:2015-01-04   10     :  8512   3rd Qu.: 185.0   松山區 : 12480   百齡國小:   832  
##  Max.   :2015-01-12   8      :  8511   Max.   :1071.0   內湖區 : 11642   (Other) :197125  
##  NA's   :2            (Other):150942                    (Other):103174   NA's    :   727  
##       經度            緯度          總停車格       平均車輛數        最大車輛數    
##  Min.   : 0.00   Min.   :  0.0   Min.   : 20.0   Min.   :  0.000   Min.   :  0.00  
##  1st Qu.:25.03   1st Qu.:121.5   1st Qu.: 36.0   1st Qu.:  5.767   1st Qu.:  9.00  
##  Median :25.05   Median :121.5   Median : 44.0   Median : 13.454   Median : 17.00  
##  Mean   :25.05   Mean   :121.5   Mean   : 46.2   Mean   : 15.458   Mean   : 19.04  
##  3rd Qu.:25.07   3rd Qu.:121.6   3rd Qu.: 52.0   3rd Qu.: 22.000   3rd Qu.: 26.00  
##  Max.   :25.14   Max.   :121.7   Max.   :180.0   Max.   :171.000   Max.   :180.00  
##                                                                                    
##    最小車輛數      車輛數標準差      平均空位數       最大空位數      最小空位數    
##  Min.   :  0.00   Min.   : 0.000   Min.   :  0.00   Min.   :  0.0   Min.   :  0.00  
##  1st Qu.:  2.00   1st Qu.: 0.711   1st Qu.: 19.90   1st Qu.: 23.0   1st Qu.: 16.00  
##  Median : 10.00   Median : 1.495   Median : 27.73   Median : 31.0   Median : 24.00  
##  Mean   : 12.19   Mean   : 2.212   Mean   : 30.03   Mean   : 33.3   Mean   : 26.46  
##  3rd Qu.: 19.00   3rd Qu.: 2.927   3rd Qu.: 37.39   3rd Qu.: 41.0   3rd Qu.: 34.00  
##  Max.   :166.00   Max.   :70.749   Max.   :179.93   Max.   :180.0   Max.   :179.00  
##                   NA's   :11                                                        
##   空位數標準差         星期            已借          無車機率         有車機率      
##  Min.   : 0.000   7      :29574   Min.   : -2.0   Min.   :0.0000   Min.   :-0.0670  
##  1st Qu.: 1.000   5      :29055   1st Qu.:  3.0   1st Qu.:0.5530   1st Qu.: 0.0590  
##  Median : 1.000   4      :29028   Median : 11.0   Median :0.7500   Median : 0.2500  
##  Mean   : 2.201   3      :28896   Mean   : 12.9   Mean   :0.7248   Mean   : 0.2752  
##  3rd Qu.: 3.000   1      :28792   3rd Qu.: 20.0   3rd Qu.:0.9410   3rd Qu.: 0.4470  
##  Max.   :70.000   (Other):56667   Max.   :180.0   Max.   :1.0670   Max.   : 1.0000  
##  NA's   :11       NA's   :    2

# Adding new factor levels 
head(filter(bike, is.na(場站名稱) == T))

##         日期 時間 場站代號 場站區域 場站名稱     經度    緯度 總停車格 平均車輛數 最大車輛數
## 1 2014-12-13    0      185   大安區     <NA> 25.04234 121.546       30      0.000          0
## 2 2014-12-13    1      185   大安區     <NA> 25.04234 121.546       30      3.000         13
## 3 2014-12-13    2      185   大安區     <NA> 25.04234 121.546       30     10.133         12
## 4 2014-12-13    3      185   大安區     <NA> 25.04234 121.546       30      6.733          8
## 5 2014-12-13    4      185   大安區     <NA> 25.04234 121.546       30      5.000          5
## 6 2014-12-13    5      185   大安區     <NA> 25.04234 121.546       30      1.400          5
##   最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差 星期 已借 無車機率 有車機率
## 1          0        0.000      0.000          0          0            0    6   30    0.000    1.000
## 2          0        5.398      9.667         28          0           11    6    2    0.933    0.067
## 3          8        1.727     18.867         21         17            2    6    9    0.700    0.300
## 4          5        1.280     22.267         24         21            1    6    6    0.800    0.200
## 5          5        0.000     24.000         24         24            0    6    6    0.800    0.200
## 6          0        2.063     27.600         29         24            2    6    1    0.967    0.033

distinct(select(filter(bike, is.na(場站名稱) == T), 場站名稱))

##   場站名稱
## 1     <NA>

# unique(filter(bike, is.na(場站名稱) == T)$場站代號)
distinct(select(filter(bike, is.na(場站名稱) == T), 場站代號))

##   場站代號
## 1      185

# http://taipei.youbike.com.tw/cht/f11.php
bike$場站名稱 <- as.character(bike$場站名稱)
bike[which(is.na(bike$場站名稱) == T),"場站名稱"] <- "瑠公公園"
bike$場站名稱 <- as.factor(bike$場站名稱)

# Wire porps.
summary(bike)

##       日期                 時間           場站代號         場站區域              場站名稱     
##  Min.   :2014-12-08   11     :  8513   Min.   :   1.0   大安區 : 23997   福華商場    :   833  
##  1st Qu.:2014-12-17   0      :  8512   1st Qu.:  62.0   信義區 : 19129   裕隆公園    :   833  
##  Median :2014-12-26   1      :  8512   Median : 123.0   中山區 : 16297   八德市場    :   832  
##  Mean   :2014-12-26   9      :  8512   Mean   : 295.8   中正區 : 15295   白雲國小    :   832  
##  3rd Qu.:2015-01-04   10     :  8512   3rd Qu.: 185.0   松山區 : 12480   百齡國小    :   832  
##  Max.   :2015-01-12   8      :  8511   Max.   :1071.0   內湖區 : 11642   保安永平路口:   832  
##  NA's   :2            (Other):150942                    (Other):103174   (Other)     :197020  
##       經度            緯度          總停車格       平均車輛數        最大車輛數    
##  Min.   : 0.00   Min.   :  0.0   Min.   : 20.0   Min.   :  0.000   Min.   :  0.00  
##  1st Qu.:25.03   1st Qu.:121.5   1st Qu.: 36.0   1st Qu.:  5.767   1st Qu.:  9.00  
##  Median :25.05   Median :121.5   Median : 44.0   Median : 13.454   Median : 17.00  
##  Mean   :25.05   Mean   :121.5   Mean   : 46.2   Mean   : 15.458   Mean   : 19.04  
##  3rd Qu.:25.07   3rd Qu.:121.6   3rd Qu.: 52.0   3rd Qu.: 22.000   3rd Qu.: 26.00  
##  Max.   :25.14   Max.   :121.7   Max.   :180.0   Max.   :171.000   Max.   :180.00  
##                                                                                    
##    最小車輛數      車輛數標準差      平均空位數       最大空位數      最小空位數    
##  Min.   :  0.00   Min.   : 0.000   Min.   :  0.00   Min.   :  0.0   Min.   :  0.00  
##  1st Qu.:  2.00   1st Qu.: 0.711   1st Qu.: 19.90   1st Qu.: 23.0   1st Qu.: 16.00  
##  Median : 10.00   Median : 1.495   Median : 27.73   Median : 31.0   Median : 24.00  
##  Mean   : 12.19   Mean   : 2.212   Mean   : 30.03   Mean   : 33.3   Mean   : 26.46  
##  3rd Qu.: 19.00   3rd Qu.: 2.927   3rd Qu.: 37.39   3rd Qu.: 41.0   3rd Qu.: 34.00  
##  Max.   :166.00   Max.   :70.749   Max.   :179.93   Max.   :180.0   Max.   :179.00  
##                   NA's   :11                                                        
##   空位數標準差         星期            已借          無車機率         有車機率      
##  Min.   : 0.000   7      :29574   Min.   : -2.0   Min.   :0.0000   Min.   :-0.0670  
##  1st Qu.: 1.000   5      :29055   1st Qu.:  3.0   1st Qu.:0.5530   1st Qu.: 0.0590  
##  Median : 1.000   4      :29028   Median : 11.0   Median :0.7500   Median : 0.2500  
##  Mean   : 2.201   3      :28896   Mean   : 12.9   Mean   :0.7248   Mean   : 0.2752  
##  3rd Qu.: 3.000   1      :28792   3rd Qu.: 20.0   3rd Qu.:0.9410   3rd Qu.: 0.4470  
##  Max.   :70.000   (Other):56667   Max.   :180.0   Max.   :1.0670   Max.   : 1.0000  
##  NA's   :11       NA's   :    2

filter(bike, 已借 < 0)

##         日期 時間 場站代號 場站區域            場站名稱     經度     緯度 總停車格 平均車輛數
## 1 2015-01-11    8       25   信義區        永吉松信路口 25.04543 121.5721       30      0.889
## 2 2015-01-11   21       45   大安區 捷運公館站(2號出口) 25.01476 121.5345       30      3.095
##   最大車輛數 最小車輛數 車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差 星期 已借
## 1          3          0        1.071     29.511         32         27            2    7   -2
## 2          9          0        2.467     26.405         31         21            3    7   -1
##   無車機率 有車機率
## 1    1.067   -0.067
## 2    1.033   -0.033

filter(bike, 有車機率 > 1)

##  [1] 日期         時間         場站代號     場站區域     場站名稱     經度         緯度        
##  [8] 總停車格     平均車輛數   最大車輛數   最小車輛數   車輛數標準差 平均空位數   最大空位數  
## [15] 最小空位數   空位數標準差 星期         已借         無車機率     有車機率    
## <0 rows> (or 0-length row.names)

bike <- filter(bike, 已借 >= 0)

# Blank
filter(bike, 場站名稱 == "")

##         日期 時間 場站代號 場站區域 場站名稱 經度 緯度 總停車格 平均車輛數 最大車輛數 最小車輛數
## 1 2014-12-29   10     1071                      0    0       20          0          0          0
##   車輛數標準差 平均空位數 最大空位數 最小空位數 空位數標準差 星期 已借 無車機率 有車機率
## 1           NA          0          0          0           NA    1   20        0        1

bike <- filter(bike, 場站名稱 != "")
# Remove empty level
levels(bike$場站區域)

##  [1] ""       "北投區" "大安區" "大同區" "蘆洲區" "南港區" "內湖區" "三重區" "士林區" "松山區"
## [11] "萬華區" "文山區" "汐止區" "新店區" "新莊區" "信義區" "永和區" "中和區" "中山區" "中正區"

bike$場站區域 <- factor(bike$場站區域)

table(factor(bike$場站區域))

## 
## 北投區 大安區 大同區 蘆洲區 南港區 內湖區 三重區 士林區 松山區 萬華區 文山區 汐止區 新店區 新莊區 
##   9980  23996   8854   2496  10260  11642   6460  11124  12480   9981   9865   9547   9248   7040 
## 信義區 永和區 中和區 中山區 中正區 
##  19128   5822   2496  16297  15295

# Save & Load dataset
# save(bike, file = "ana_bike2.RDA")
# load("ana_bike.RDA")

Plots

First look!

R build-in plots
- plot(), hist(), bar(), pie(), line()..
- demo(graphics)

- qplot() - for quick plots - Getting start with qplot

qplot(x, y, data=, color=, shape=, size=, alpha=,
　　　geom=, method=, formula=, facets=,
　　　xlim=, ylim= xlab=, ylab=, main=, sub=)

ggplot() - for fine, granular control of everything
- data, aes()
- multi-layers
- geom_ (): Geometric objects that define the basic “shape” of the elements on the plot
  - ggplot online help topics

ggplot(data = , aes( x = , y = ), fill = , colour = ) +
　　　　geom_() +
　　　　theme_() +
　　　　coord_() + facet_() + stat_ () + …

library(ggplot2)

# list all geom
ls(pattern = '^geom_', env = as.environment('package:ggplot2'))

##  [1] "geom_abline"     "geom_area"       "geom_bar"        "geom_bin2d"      "geom_blank"     
##  [6] "geom_boxplot"    "geom_contour"    "geom_crossbar"   "geom_density"    "geom_density2d" 
## [11] "geom_dotplot"    "geom_errorbar"   "geom_errorbarh"  "geom_freqpoly"   "geom_hex"       
## [16] "geom_histogram"  "geom_hline"      "geom_jitter"     "geom_line"       "geom_linerange" 
## [21] "geom_map"        "geom_path"       "geom_point"      "geom_pointrange" "geom_polygon"   
## [26] "geom_quantile"   "geom_raster"     "geom_rect"       "geom_ribbon"     "geom_rug"       
## [31] "geom_segment"    "geom_smooth"     "geom_step"       "geom_text"       "geom_tile"      
## [36] "geom_violin"     "geom_vline"

ls(pattern = '^stat_', env = as.environment('package:ggplot2'))

##  [1] "stat_abline"      "stat_bin"         "stat_bin2d"       "stat_bindot"      "stat_binhex"     
##  [6] "stat_boxplot"     "stat_contour"     "stat_density"     "stat_density2d"   "stat_ecdf"       
## [11] "stat_ellipse"     "stat_function"    "stat_hline"       "stat_identity"    "stat_qq"         
## [16] "stat_quantile"    "stat_smooth"      "stat_spoke"       "stat_sum"         "stat_summary"    
## [21] "stat_summary_hex" "stat_summary2d"   "stat_unique"      "stat_vline"       "stat_ydensity"

Code Demo 2

Histogram

Distribution / Composion / Comparison / Relationship
Question: 有車？沒車？

# EDA Start
summary(bike)

##       日期                 時間           場站代號         場站區域              場站名稱     
##  Min.   :2014-12-08   11     :  8513   Min.   :   1.0   大安區 : 23996   福華商場    :   833  
##  1st Qu.:2014-12-17   0      :  8512   1st Qu.:  62.0   信義區 : 19128   裕隆公園    :   833  
##  Median :2014-12-26   1      :  8512   Median : 123.0   中山區 : 16297   八德市場    :   832  
##  Mean   :2014-12-26   9      :  8512   Mean   : 295.8   中正區 : 15295   白雲國小    :   832  
##  3rd Qu.:2015-01-04   10     :  8511   3rd Qu.: 185.0   松山區 : 12480   百齡國小    :   832  
##  Max.   :2015-01-12   2      :  8510   Max.   :1071.0   內湖區 : 11642   保安永平路口:   832  
##  NA's   :2            (Other):150941                    (Other):103173   (Other)     :197017  
##       經度            緯度          總停車格       平均車輛數        最大車輛數    
##  Min.   :24.97   Min.   :121.4   Min.   : 24.0   Min.   :  0.000   Min.   :  0.00  
##  1st Qu.:25.03   1st Qu.:121.5   1st Qu.: 36.0   1st Qu.:  5.767   1st Qu.:  9.00  
##  Median :25.05   Median :121.5   Median : 44.0   Median : 13.455   Median : 17.00  
##  Mean   :25.05   Mean   :121.5   Mean   : 46.2   Mean   : 15.458   Mean   : 19.04  
##  3rd Qu.:25.07   3rd Qu.:121.6   3rd Qu.: 52.0   3rd Qu.: 22.000   3rd Qu.: 26.00  
##  Max.   :25.14   Max.   :121.7   Max.   :180.0   Max.   :171.000   Max.   :180.00  
##                                                                                    
##    最小車輛數      車輛數標準差      平均空位數       最大空位數      最小空位數    
##  Min.   :  0.00   Min.   : 0.000   Min.   :  0.00   Min.   :  0.0   Min.   :  0.00  
##  1st Qu.:  2.00   1st Qu.: 0.711   1st Qu.: 19.90   1st Qu.: 23.0   1st Qu.: 16.00  
##  Median : 10.00   Median : 1.495   Median : 27.73   Median : 31.0   Median : 24.00  
##  Mean   : 12.19   Mean   : 2.212   Mean   : 30.03   Mean   : 33.3   Mean   : 26.46  
##  3rd Qu.: 19.00   3rd Qu.: 2.927   3rd Qu.: 37.39   3rd Qu.: 41.0   3rd Qu.: 34.00  
##  Max.   :166.00   Max.   :70.749   Max.   :179.93   Max.   :180.0   Max.   :179.00  
##                   NA's   :10                                                        
##   空位數標準差         星期            已借          無車機率         有車機率     
##  Min.   : 0.000   7      :29572   Min.   :  0.0   Min.   :0.0000   Min.   :0.0000  
##  1st Qu.: 1.000   5      :29055   1st Qu.:  3.0   1st Qu.:0.5530   1st Qu.:0.0590  
##  Median : 1.000   4      :29028   Median : 11.0   Median :0.7500   Median :0.2500  
##  Mean   : 2.201   3      :28896   Mean   : 12.9   Mean   :0.7248   Mean   :0.2752  
##  3rd Qu.: 3.000   1      :28791   3rd Qu.: 20.0   3rd Qu.:0.9410   3rd Qu.:0.4470  
##  Max.   :70.000   (Other):56667   Max.   :180.0   Max.   :1.0000   Max.   :1.0000  
##  NA's   :10       NA's   :    2

# Aggregated hourly data analysis
# R build-in plot
par(family = "STHeiti", mfrow = c(1,1)) # Mac 中文字型設定
hist(bike$無車機率, breaks = seq(0,1,0.1))

# qplot
qplot(data = bike, 無車機率, geom = "auto", binwidth = .1)

filter(bike, 無車機率 > 1)

##  [1] 日期         時間         場站代號     場站區域     場站名稱     經度         緯度        
##  [8] 總停車格     平均車輛數   最大車輛數   最小車輛數   車輛數標準差 平均空位數   最大空位數  
## [15] 最小空位數   空位數標準差 星期         已借         無車機率     有車機率    
## <0 rows> (or 0-length row.names)

# qplot(data = bike, 無車機率, geom = "auto", binwidth = .1, xlim = c(0,1))

# ggplot
bike.1p <- ggplot(bike, aes(x = 無車機率)) + theme_gray(base_family="STHeiti")
bike.1p + geom_histogram(binwidth = .1)

bike.1p + geom_histogram(binwidth = .1, aes(fill = ..count..))

bike.1p + geom_histogram(binwidth = .1, aes(fill = ..count..)) + xlim(0,1)

bike.1p + geom_histogram(binwidth = .1, aes(fill = ..count..)) + xlim(0,1) + scale_y_reverse()

## Warning: Stacking not well defined when ymin != 0

# density
bike.1p + geom_histogram(binwidth = .1, aes(fill = ..count..)) + xlim(0,1) + 
  geom_density(aes(y=..count..))

qplot(data = bike, 無車機率, geom = "density", binwidth = .1)

# think!
dim(filter(bike, 有車機率 > 0))[1] / dim(bike)[1]

## [1] 0.8750118

Boxplot

Distribution / Composion / Comparison / Relationship

# R build-in plot
boxplot(bike$有車機率)

boxplot(bike$有車機率, horizontal = T)

# ggplot
bike.2p <- ggplot(bike, aes(x = 場站區域, y = 有車機率)) + theme_gray(base_family="STHeiti")
bike.2p + geom_boxplot() + coord_flip()

# Put Average on Boxplot
means <- aggregate(有車機率 ~ 場站區域, bike, mean)
means$有車機率 <- round(means$有車機率, digit=2)
bike.2p + geom_boxplot() + coord_flip() + 
  stat_summary(fun.y=mean, colour="darkred", geom="point", 
               shape=18, size=3,show_guide = FALSE) + 
  geom_text(data = means, aes(label = 有車機率, y = 有車機率 + 0.08))

# 看各區分佈借車機率圖

Barchart

Distribution / Composion / Comparison / Relationship
Histogram vs Barchart
各區場站數？哪個站大？哪個站小？

# Subset
bike.sub <- filter(bike, 日期 == "2014-12-09" & 時間 == 15)
bike.sub.s <- summarise(group_by(bike.sub, 場站區域), n_distinct(場站名稱), sum(總停車格), n_distinct(星期))
names(bike.sub.s) <- c("場站區域", "場站數", "總停車格", "星期")
bike.sub.s

## Source: local data frame [19 x 4]
## 
##    場站區域 場站數 總停車格 星期
## 1    北投區     12      612    1
## 2    大安區     27     1298    1
## 3    大同區     10      394    1
## 4    蘆洲區      3      186    1
## 5    南港區     11      382    1
## 6    內湖區     11      452    1
## 7    三重區      5      248    1
## 8    士林區     12      520    1
## 9    松山區     15      688    1
## 10   萬華區     12      488    1
## 11   文山區     11      512    1
## 12   汐止區      9      450    1
## 13   新店區      7      290    1
## 14   新莊區      7      312    1
## 15   信義區     23     1266    1
## 16   永和區      7      338    1
## 17   中和區      3      180    1
## 18   中山區     19      846    1
## 19   中正區     17      774    1

names(bike.sub.s) <- c("District", "Stations", "Numbers", "Weekday")

# R build-in plot
par(family="Microsoft JhengHei")
barplot(bike.sub.s$Stations, 
        names.arg = bike.sub.s$District)

# reorder: why?
bike.sub.s <- bike.sub.s[order(bike.sub.s$Stations, decreasing = T),]
barplot(bike.sub.s$Stations, 
        names.arg = bike.sub.s$District, las = 2, ylim = c(0,30))

# ggplot
bike.3p <- ggplot(data = bike.sub.s, aes(x = reorder(District, -Stations), y = Stations, 
                              colour = District, fill = District)) 

bike.3p + geom_bar(stat="identity", width=0.5)

bike.3p + geom_bar(stat="identity", width=0.5) +
  theme_gray(base_family="Microsoft JhengHei") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

bike.3p + geom_bar(stat="identity", width=0.5) +
  theme_gray(base_family="Microsoft JhengHei") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  coord_flip()

# Polar chart
bike.3p + geom_bar(stat="identity", width=0.5) +
  theme_gray(base_family="Microsoft JhengHei") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  coord_polar()

bike.3p + geom_bar(stat="identity", width=0.5) +
  theme_gray(base_family="Microsoft JhengHei") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  coord_polar(theta = "y")

Pie Chart

Distribution / Composion / Comparison / Relationship

# PIE chart
# group by column
# 各區場站數佔比
ggplot(data = bike.sub.s, aes(x = Weekday, y = Stations, 
                              colour = District, fill = District, group = Weekday)) + 
  geom_bar(stat="identity", width=1, position = "stack") + 
  theme_gray(base_family="Microsoft JhengHei") + 
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  coord_polar(theta = "y")

Stacked Chart

Distribution / Composion / Comparison / Relationship
某時段中(Subset I: 2014-12-09 15:00) 各區有車？沒車？
Pie chart vs. Stacked chart

# position = "stack" / "dodge" ?
# Subset II
bike.sub.m <- melt(select(bike.sub, 場站區域, 場站名稱, 有車機率, 無車機率))

## Using 場站區域, 場站名稱 as id variables

filter(bike.sub.m, 場站區域 == "大安區")

##    場站區域                  場站名稱 variable value
## 1    大安區 捷運國父紀念館站(2號出口) 有車機率 0.542
## 2    大安區            捷運科技大樓站 有車機率 0.107
## 3    大安區              信義建國路口 有車機率 0.543
## 4    大安區              金山愛國路口 有車機率 0.333
## 5    大安區              基隆長興路口 有車機率 0.284
## 6    大安區              辛亥新生路口 有車機率 0.233
## 7    大安區              捷運六張犁站 有車機率 0.600
## 8    大安區              臺大資訊大樓 有車機率 0.722
## 9    大安區       捷運東門站(4號出口) 有車機率 0.261
## 10   大安區      臺灣師範大學(圖書館) 有車機率 0.500
## 11   大安區       捷運公館站(2號出口) 有車機率 0.033
## 12   大安區     捷運忠孝新生(3號出口) 有車機率 0.375
## 13   大安區                  龍門廣場 有車機率 0.731
## 14   大安區      臺北市立圖書館(總館) 有車機率 0.600
## 15   大安區              新生和平路口 有車機率 0.283
## 16   大安區              台灣科技大學 有車機率 0.109
## 17   大安區                  仁愛醫院 有車機率 0.361
## 18   大安區            捷運信義安和站 有車機率 0.100
## 19   大安區   捷運台電大樓站(2號出口) 有車機率 0.175
## 20   大安區        捷運大安森林公園站 有車機率 0.716
## 21   大安區              信義敦化路口 有車機率 0.783
## 22   大安區                捷運大安站 有車機率 0.707
## 23   大安區   捷運忠孝復興站(2號出口) 有車機率 0.852
## 24   大安區                  成功國宅 有車機率 0.694
## 25   大安區          羅斯福新生南路口 有車機率 0.125
## 26   大安區         捷運麟光站2號出口 有車機率 0.653
## 27   大安區              敦化基隆路口 有車機率 0.267
## 28   大安區 捷運國父紀念館站(2號出口) 無車機率 0.458
## 29   大安區            捷運科技大樓站 無車機率 0.893
## 30   大安區              信義建國路口 無車機率 0.457
## 31   大安區              金山愛國路口 無車機率 0.667
## 32   大安區              基隆長興路口 無車機率 0.716
## 33   大安區              辛亥新生路口 無車機率 0.767
## 34   大安區              捷運六張犁站 無車機率 0.400
## 35   大安區              臺大資訊大樓 無車機率 0.278
## 36   大安區       捷運東門站(4號出口) 無車機率 0.739
## 37   大安區      臺灣師範大學(圖書館) 無車機率 0.500
## 38   大安區       捷運公館站(2號出口) 無車機率 0.967
## 39   大安區     捷運忠孝新生(3號出口) 無車機率 0.625
## 40   大安區                  龍門廣場 無車機率 0.269
## 41   大安區      臺北市立圖書館(總館) 無車機率 0.400
## 42   大安區              新生和平路口 無車機率 0.717
## 43   大安區              台灣科技大學 無車機率 0.891
## 44   大安區                  仁愛醫院 無車機率 0.639
## 45   大安區            捷運信義安和站 無車機率 0.900
## 46   大安區   捷運台電大樓站(2號出口) 無車機率 0.825
## 47   大安區        捷運大安森林公園站 無車機率 0.284
## 48   大安區              信義敦化路口 無車機率 0.217
## 49   大安區                捷運大安站 無車機率 0.293
## 50   大安區   捷運忠孝復興站(2號出口) 無車機率 0.148
## 51   大安區                  成功國宅 無車機率 0.306
## 52   大安區          羅斯福新生南路口 無車機率 0.875
## 53   大安區         捷運麟光站2號出口 無車機率 0.347
## 54   大安區              敦化基隆路口 無車機率 0.733

ggplot(filter(bike.sub.m, 場站區域 == "大安區"),
       aes(x = 場站名稱, y = value, fill = variable, width =.5)) + 
  geom_bar(stat="identity", position = "dodge", width = .5) +
  theme_gray(base_family="Microsoft JhengHei")

# Stacked bar chart: 重要的放上面還是下面？
ggplot(filter(bike.sub.m, 場站區域 == "大安區"),
       aes(x = 場站名稱, y = value, fill = variable, width =.5)) + 
  geom_bar(stat="identity", position = "stack", width = .5) +
  theme_gray(base_family="Microsoft JhengHei")

YOUR 5-min exercises II HERE

“大安區” 內車位數？
Describe the charts

# Your code here

Scatter plot

Distribution / Composion / Comparison / Relationship
總停車格數量與有車機率
橫斷面分析(cross sectional analysis) vs 縱斷面分析(longitudinal analysis)

# recall
bike.sub <- filter(bike, 日期 == "2014-12-09" & 時間 == 15)

bike.sub2 <- filter(bike, 星期 == 1 & 時間 == 15)
summary(bike.sub2)

##       日期                 時間         場站代號         場站區域           場站名稱   
##  Min.   :2014-12-08   15     :1201   Min.   :   1.0   大安區 :144   八德市場    :   5  
##  1st Qu.:2014-12-15   0      :   0   1st Qu.:  61.0   信義區 :115   白雲國小    :   5  
##  Median :2014-12-22   1      :   0   Median : 121.0   中山區 : 98   百齡國小    :   5  
##  Mean   :2014-12-22   2      :   0   Mean   : 290.3   中正區 : 91   保安永平路口:   5  
##  3rd Qu.:2014-12-29   3      :   0   3rd Qu.: 182.0   松山區 : 75   北投運動中心:   5  
##  Max.   :2015-01-05   4      :   0   Max.   :1071.0   內湖區 : 69   成功國宅    :   5  
##                       (Other):   0                    (Other):609   (Other)     :1171  
##       經度            緯度          總停車格        平均車輛數       最大車輛數      最小車輛數  
##  Min.   :24.97   Min.   :121.4   Min.   : 24.00   Min.   : 0.111   Min.   : 1.00   Min.   : 0.0  
##  1st Qu.:25.03   1st Qu.:121.5   1st Qu.: 36.00   1st Qu.: 5.767   1st Qu.: 9.00   1st Qu.: 2.0  
##  Median :25.05   Median :121.5   Median : 44.00   Median :12.667   Median :17.00   Median : 9.0  
##  Mean   :25.05   Mean   :121.5   Mean   : 46.19   Mean   :15.090   Mean   :18.96   Mean   :11.7  
##  3rd Qu.:25.07   3rd Qu.:121.6   3rd Qu.: 52.00   3rd Qu.:21.311   3rd Qu.:26.00   3rd Qu.:18.0  
##  Max.   :25.14   Max.   :121.7   Max.   :180.00   Max.   :96.000   Max.   :98.00   Max.   :93.0  
##                                                                                                  
##   車輛數標準差      平均空位數        最大空位數       最小空位數      空位數標準差    星期    
##  Min.   : 0.000   Min.   :  2.067   Min.   :  3.00   Min.   :  0.00   Min.   : 0.000   1:1201  
##  1st Qu.: 0.971   1st Qu.: 21.333   1st Qu.: 24.00   1st Qu.: 17.00   1st Qu.: 1.000   2:   0  
##  Median : 1.704   Median : 28.422   Median : 32.00   Median : 25.00   Median : 2.000   3:   0  
##  Mean   : 2.298   Mean   : 30.472   Mean   : 33.87   Mean   : 26.61   Mean   : 2.324   4:   0  
##  3rd Qu.: 2.914   3rd Qu.: 37.167   3rd Qu.: 41.00   3rd Qu.: 34.00   3rd Qu.: 3.000   5:   0  
##  Max.   :14.822   Max.   :168.967   Max.   :180.00   Max.   :153.00   Max.   :15.000   6:   0  
##                                                                                        7:   0  
##       已借          無車機率         有車機率     
##  Min.   : 0.00   Min.   :0.1150   Min.   :0.0000  
##  1st Qu.: 2.00   1st Qu.:0.5770   1st Qu.:0.0590  
##  Median :10.00   Median :0.7750   Median :0.2250  
##  Mean   :12.32   Mean   :0.7405   Mean   :0.2595  
##  3rd Qu.:19.00   3rd Qu.:0.9410   3rd Qu.:0.4230  
##  Max.   :94.00   Max.   :1.0000   Max.   :0.8850  
##

bike.sub2.s <- summarise(group_by(bike.sub2, 場站區域, 場站名稱, 總停車格), mean(有車機率))names(bike.sub2.s)[4] <- "週一平均有車機率"

# R build-in X-Y plot
# ?plot()
plot(bike.sub2.s$總停車格, bike.sub2.s$週一平均有車機率, pch = 20, cex = 1)

plot(bike.sub2.s$總停車格, bike.sub2.s$週一平均有車機率, pch = 20, cex = 1, col = rainbow(20))

# ggplot
bike.4p <- ggplot(data = bike.sub2.s, aes(x = 總停車格, y = 週一平均有車機率,colour = 場站區域)) + 
  theme_gray(base_family="Microsoft JhengHei") 
bike.4p + geom_point()

bike.4p + geom_point(aes(size = 總停車格, alpha = 1/20)) + scale_size_continuous(range = c(5,10))

# Point with Text plot
bike.4p + geom_point() +
  geom_text(aes(label = 場站名稱, size = 總停車格), hjust = .5, vjust = -.8, family="Microsoft JhengHei") +
  scale_size_continuous(range=c(3,8))

Plot

Chart practices - craving for insights

Case I - Condition charts

有車沒車跟星期

bike.sub3.s <- summarise(group_by(filter(bike, 時間 == 15 & 場站區域 == "信義區"), 
                                  星期, 場站區域, 場站名稱, 總停車格), mean(有車機率))
names(bike.sub3.s)[5] <- "有車機率"

# Define new variables
summary(bike.sub3.s)

##  星期      場站區域                    場站名稱      總停車格         有車機率     
##  1:23   信義區 :161   福德公園             :  7   Min.   : 30.00   Min.   :0.0066  
##  2:23   北投區 :  0   基隆光復路口         :  7   1st Qu.: 36.00   1st Qu.:0.1334  
##  3:23   大安區 :  0   捷運市政府站(3號出口):  7   Median : 52.00   Median :0.2108  
##  4:23   大同區 :  0   捷運台北101/世貿站   :  7   Mean   : 55.04   Mean   :0.2291  
##  5:23   蘆洲區 :  0   捷運象山站           :  7   3rd Qu.: 60.00   3rd Qu.:0.3268  
##  6:23   南港區 :  0   捷運永春站(2號出口)  :  7   Max.   :180.00   Max.   :0.5768  
##  7:23   (Other):  0   (Other)              :119

bike.sub3.s <- mutate(bike.sub3.s, Big = (總停車格 > 60), Easy = (有車機率 > 0.5))

# Grid by weekday
ggplot(data = bike.sub3.s, aes(x = 總停車格, y = 有車機率, colour = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_point(aes(size = 1)) +
  geom_text(aes(label = 場站名稱, size = 1), hjust = .5, vjust = -.8, family="Microsoft JhengHei") +
  facet_grid(.~星期)

# Change the factor order
str(bike.sub3.s$Easy)

##  logi [1:161] FALSE FALSE FALSE FALSE FALSE FALSE ...

bike.sub3.s$Easy <- as.factor(bike.sub3.s$Easy)
levels(bike.sub3.s$Easy)

## [1] "FALSE" "TRUE"

levels(bike.sub3.s$Easy) <- c("HARD", "EASY")  
bike.sub3.s$Easy <- factor(bike.sub3.s$Easy, levels=rev(levels(bike.sub3.s$Easy)) )

# Grid by easy and weekday 
ggplot(data = bike.sub3.s, aes(x = 總停車格, y = 有車機率, colour = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_point(aes(size = 1)) +
  geom_text(aes(label = 場站名稱, size = 1), hjust = .5, vjust = -.8, family="Microsoft JhengHei") +
  facet_grid(Easy~星期)

Case II - Heatmap

bike.sub4.s <- summarise(group_by(filter(bike, 場站區域 == "信義區"), 日期, 時間, 場站區域, 場站名稱, 總停車格), 
                         mean(有車機率))names(bike.sub4.s)[6] <- "有車機率"

head(bike.sub4.s, 10)

## Source: local data frame [10 x 6]
## Groups: 日期, 時間, 場站區域, 場站名稱
## 
##          日期 時間 場站區域              場站名稱 總停車格 有車機率
## 1  2014-12-08   15   信義區              福德公園       66    0.758
## 2  2014-12-08   15   信義區          基隆光復路口       30    0.533
## 3  2014-12-08   15   信義區 捷運市政府站(3號出口)      180    0.522
## 4  2014-12-08   15   信義區    捷運台北101/世貿站       52    0.135
## 5  2014-12-08   15   信義區            捷運象山站       58    0.207
## 6  2014-12-08   15   信義區   捷運永春站(2號出口)       30    0.200
## 7  2014-12-08   15   信義區          仁愛逸仙路口       38    0.263
## 8  2014-12-08   15   信義區                三張犁       66    0.652
## 9  2014-12-08   15   信義區              世貿二館       80    0.400
## 10 2014-12-08   15   信義區              世貿三館       60    0.317

bike.sub4.s <- as.data.frame(bike.sub4.s)

# ?geom_line
ggplot(data = bike.sub4.s, aes(x = 時間, y = 有車機率, colour = 場站名稱, group = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_line()

# ?geom_tile
ggplot(data = bike.sub4.s, aes(x = 時間, y = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_tile(aes(fill = 有車機率)) + 
  scale_fill_gradient(low="white", high="steelblue") + 
  scale_x_discrete(breaks=seq(0,23,1)) + 
  theme(axis.text.x = element_text(size = 13, color="darkred")) # + geom_vline(xintercept = 9.5)

geom_tile

Go deeper

bike.sub5.s <- summarise(
  group_by(filter(bike, 場站區域 == "信義區"), 日期, 星期, 時間, 場站區域, 場站名稱, 總停車格), 
  mean(有車機率))
names(bike.sub5.s)[7] <- "有車機率"

bike.sub5.s <- mutate(bike.sub5.s, Workday = (星期 %in% 1:5))

head(bike.sub5.s)

## Source: local data frame [6 x 8]
## Groups: 日期, 星期, 時間, 場站區域, 場站名稱
## 
##         日期 星期 時間 場站區域              場站名稱 總停車格 有車機率 Workday
## 1 2014-12-08    1   15   信義區              福德公園       66    0.758    TRUE
## 2 2014-12-08    1   15   信義區          基隆光復路口       30    0.533    TRUE
## 3 2014-12-08    1   15   信義區 捷運市政府站(3號出口)      180    0.522    TRUE
## 4 2014-12-08    1   15   信義區    捷運台北101/世貿站       52    0.135    TRUE
## 5 2014-12-08    1   15   信義區            捷運象山站       58    0.207    TRUE
## 6 2014-12-08    1   15   信義區   捷運永春站(2號出口)       30    0.200    TRUE

class(bike.sub5.s$Workday)

## [1] "logical"

# Change the factor order
bike.sub5.s$Workday <- as.factor(bike.sub5.s$Workday)
levels(bike.sub5.s$Workday) <- c("WEEKEND", "WORKDAY")  
bike.sub5.s$Workday <- factor(bike.sub5.s$Workday, levels=rev(levels(bike.sub5.s$Workday)) )

# Color matters
# ?geom_tile
ggplot(data = bike.sub5.s, aes(x = 時間, y = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_tile(aes(fill = 有車機率)) + 
  scale_fill_gradient(low="red", high="white") + 
  scale_x_discrete(breaks=seq(0,23,1)) + 
  theme(axis.text.x = element_text(size = 13, color="darkred")) + 
  facet_grid(Workday~.)

# ?geom_tile
ggplot(data = bike.sub5.s, aes(x = 時間, y = 場站名稱)) + 
  theme_gray(base_family="Microsoft JhengHei") +
  geom_tile(aes(fill = 有車機率)) + 
  scale_fill_gradient(low="white", high="midnightblue") + 
  scale_x_discrete(breaks=seq(0,23,1)) + 
  theme(axis.text.x = element_text(size = 13, color="darkred")) + 
  facet_grid(Workday~.)

YOUR 5-min exercises III HERE

中正區
Describe the charts and patterns, Why why why_~

# Your code here

Gook Luck!

Rafe C. H. Liu
Contact me｜ View Liu Chia Hsin’s profile
Data Analyst Training Program @ DSP

EDA(2) - Read the Charts

Rafe C. H. Liu

Feb 1, 2015 @ DSP

Before we start…Code Demo 1

Settings

Tips

Peak at data

Dataset

Data wrangling: conversion data types

YOUR 5-min exercises HERE

Data wrangling: deal with abnormal data

Plots

First look!

Code Demo 2

Histogram

Boxplot

Barchart

Pie Chart

Stacked Chart

YOUR 5-min exercises II HERE

Scatter plot

Chart practices - craving for insights

Case I - Condition charts

Case II - Heatmap

Go deeper

YOUR 5-min exercises III HERE